基于某些条件将python中的连续列转换为二进制

我想根据某些条件将数据帧的一列转换为0和1的二进制分类。阈值为4。如果该特定列的值高于4，则应将1分配给其他0

如何做到这一点？

您可以尝试以下方法：

def process_data():
    data = <your data>
    out_data = <define empty here as per data type>
    for item in data:#iterate through all items
        if <some condition>:
            #here process your items in data
            # add modified item in out_data
        else:
            #process else condition
            #add modified item in out_data
    return out_data

#usage
processed_data = process_data()

def process_data（）：
数据=
out_数据=
对于数据中的项：#遍历所有项
如果：
#这里处理数据中的项目
#添加修改的项目输入输出数据
其他：
#工艺条件
#添加修改的项目输入输出数据
返回数据
#用法
已处理数据=处理数据（）

您可以创建一个掩码，然后替换这些值

mask = df['column_name'] > 4
df.loc[mask, 'column_name'] = 1
mask = df['column_name'] < 4
df.loc[mask, 'column_name'] = 0

mask=df['column\u name']>4
df.loc[掩码，'列名称']=1
mask=df['column_name']<4
df.loc[掩码，'列名称']=0

或者只是使用

df.loc[df['column_name'] < 4, 'column_name'] = 0
df.loc[df['column_name'] > 4, 'column_name'] = 1

df.loc[df['column\u name']<4，'column\u name']=0
df.loc[df['column_name']>4，'column_name']=1

---

在这种情况下，

mask

将只是一个线性pandas系列。

不，不要这样做，不要在pandas数据帧上使用循环，pandas以多种方式进行优化，这样做完全可以消除这种影响。感谢您的帮助！